基于模糊PI的Delta机器人运动控制系统

搭建了视觉决策的并联机器人系统,其技术路线是由智能相机通过在线视觉检测算法分割目标,采用张正友标定方法进行相机标定;采用五次多项式插值对机器人的抓取路径进行关节空间轨迹规划;由逆运动学的代数解法求取各轴关节空间坐标.以Delta机器人的运动机构为研究对象,设计了新型的模糊PI控制器,并运用LabVIEW软件结合FPGA实现了机器人的运动控制.测得50组基于模糊PI控制器和PI控制器的上升时间的均值分别为179.6 ms和200.2 ms,试验结果表明,模糊PI具有更快的动态响应过程,同时还兼具了传统PI控制稳态性能好的特点.     

基于改进变分模态分解的低频振荡模式辨别

针对现有信号处理方法无法有效解决电力系统低频振荡信号中的非线性及混叠问题的现状,将一种变分模态分解(VMD)方法引入到低频振荡的模式辨识中,并利用样本熵与快速傅里叶变换(FFT)对VMD无法自适应分解的情况进行了改进。原始信号由改进变分模态分解(IVMD)方法分解为若干模态分量,然后利用Teager-Kaiser能量算子(TKEO)对各分量分别拟合即可获得幅值、频率和阻尼等参数。在构造的测试信号下,令提出方法与VMD、经验模态分解(EMD)、总体最小二乘旋转矢量不变技术(TLS-ESPRIT)和Prony等方法进行模式参数辨识性能对比,结果表明,IVMD方法有效克服了EMD、TLS-ESPRIT和Prony在处理模态混叠、含噪声序列和非平稳信号等方面的不足。最后,通过对IEEE 4机2区域系统和新英格兰39节点系统仿真信号的辨识,验证了该方法在提取电力系统低频振荡模式参数中的有效性。